[發(fā)明專利]應(yīng)用于推薦系統(tǒng)中的自然噪聲模糊管理方法及存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202010344456.5
• 申請(qǐng)日: 2020-04-27
• 公開(kāi)（公告）號(hào): CN111523038B
• 公開(kāi)（公告）日: 2022-12-27
• 發(fā)明（設(shè)計(jì)）人: 王永;王鵬宇;趙旭輝;陳霜
• 申請(qǐng)（專利權(quán)）人: 重慶郵電大學(xué)
• 主分類(lèi)號(hào): G06F16/9535
• 分類(lèi)號(hào): G06F16/9535;G06F16/9536;G06F16/906;G06Q10/06
• 代理公司: 重慶市恒信知識(shí)產(chǎn)權(quán)代理有限公司 50102
• 代理人: 陳棟梁

本發(fā)明請(qǐng)求保護(hù)一種應(yīng)用于推薦系統(tǒng)中的自然噪聲模糊管理方法及存儲(chǔ)介質(zhì)，屬于推薦技術(shù)領(lǐng)域，具體包括步驟：獲取推薦系統(tǒng)的評(píng)分?jǐn)?shù)據(jù)，并利用三分法對(duì)推薦系統(tǒng)中的評(píng)分進(jìn)行分類(lèi)，建立每個(gè)類(lèi)別的隸屬度函數(shù)，得到評(píng)分的模糊集表示；根據(jù)評(píng)分的模糊集表示分別建立用戶和項(xiàng)目的模糊集表示，所述模糊集表示用戶或項(xiàng)目分別在低分、中分、高分的傾向；根據(jù)用戶和項(xiàng)目的模糊集表示預(yù)估任意用戶u對(duì)項(xiàng)目i的評(píng)分的模糊集表示，并進(jìn)行歸一化處理；根據(jù)噪聲檢測(cè)規(guī)則進(jìn)行自然噪聲檢測(cè)；自然噪聲修正：根據(jù)最大隸屬度原則，對(duì)已經(jīng)檢測(cè)出的噪聲數(shù)據(jù)進(jìn)行修正，對(duì)所有噪聲修正完成后形成新的數(shù)據(jù)集。本發(fā)明方法可以高效的對(duì)推薦系統(tǒng)自然噪聲數(shù)據(jù)進(jìn)行管理。

技術(shù)領(lǐng)域

本發(fā)明屬于推薦技術(shù)領(lǐng)域，具體的說(shuō)是一種應(yīng)用于推薦系統(tǒng)數(shù)據(jù)中的自然噪聲模糊管理方法。

背景技術(shù)

推薦系統(tǒng)(Recommender System,RS)主要用于緩解信息過(guò)載問(wèn)題，其思想原理是通過(guò)分析用戶歷史行為，挖掘用戶偏好并為其提供可能感興趣的產(chǎn)品和服務(wù)。其中，協(xié)同過(guò)濾(Collaborative Filtering,CF)作為廣泛流行的推薦算法之一，對(duì)提升RS的性能和加速RS的發(fā)展具有重大貢獻(xiàn)。近年來(lái)，有研究表明，RS的質(zhì)量除了與推薦算法的設(shè)計(jì)息息相關(guān)，更是與歷史數(shù)據(jù)質(zhì)量密不可分。

推薦系統(tǒng)搜集到的用戶數(shù)據(jù)中存在兩類(lèi)噪聲數(shù)據(jù)：惡意噪聲和自然噪聲，這兩類(lèi)噪聲對(duì)推薦算法產(chǎn)生了較大的負(fù)面影響，阻礙了推薦算法性能的進(jìn)一步提升。惡意噪聲是由惡意的用戶處于商業(yè)目的故意向RS注入錯(cuò)誤的數(shù)據(jù)，誤導(dǎo)RS的推薦結(jié)果。自然噪聲是非惡意的用戶因?yàn)橥獠凯h(huán)境或偶然的錯(cuò)誤導(dǎo)致的，影響著推薦系統(tǒng)的推薦質(zhì)量。后者往往難以被檢測(cè)而被忽視。自然噪聲主要通過(guò)影響CF的鄰居選擇過(guò)程進(jìn)而影響算法的整體性能，如圖1所示。

目前的自然噪聲管理方式主要通過(guò)重新預(yù)測(cè)方式檢測(cè)和修正噪聲，實(shí)驗(yàn)證明該類(lèi)方法能夠在一定程度上提升RS數(shù)據(jù)集的質(zhì)量，進(jìn)一步提升推薦性能。但同時(shí)也表明該類(lèi)方法去噪效果并不顯著，且由于涉及再預(yù)測(cè)過(guò)程時(shí)間復(fù)雜度大，阻礙了其進(jìn)一步的發(fā)展。除此之外，關(guān)于自然噪聲的管理相關(guān)研究文獻(xiàn)較少，需要進(jìn)一步研究。

而本發(fā)明提出了一種有效且高效的推薦系統(tǒng)自然噪聲模糊控制方法。該方法包括噪聲等級(jí)檢測(cè)和噪聲等級(jí)校正兩部分。在檢測(cè)過(guò)程中，我們首先采用模糊數(shù)學(xué)中的三分法來(lái)確定三個(gè)模糊類(lèi)別(即低分，中分和高分)的隸屬度函數(shù)，用于評(píng)分的模糊集表示。然后根據(jù)評(píng)分的模糊集表示，計(jì)算出用戶和項(xiàng)目的模糊集表示。緊接著本發(fā)明預(yù)估出任意用戶對(duì)任意項(xiàng)目的評(píng)分模糊集，和原始評(píng)分作比較得出自然噪聲的檢測(cè)準(zhǔn)則。在校正過(guò)程中，根據(jù)最大隸屬度原理，用均值代替噪聲評(píng)級(jí)。提出的方案在兩個(gè)不同的標(biāo)準(zhǔn)數(shù)據(jù)集中進(jìn)行實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，該方法顯著提高了推薦精度，具有較高的預(yù)測(cè)效率。

發(fā)明內(nèi)容

本發(fā)明旨在解決以上現(xiàn)有技術(shù)的問(wèn)題。提出了一種應(yīng)用于推薦系統(tǒng)中的自然噪聲模糊管理方法。本發(fā)明的技術(shù)方案如下：

一種應(yīng)用于推薦系統(tǒng)中的自然噪聲模糊管理方法，其包括以下步驟：

步驟1.、獲取推薦系統(tǒng)的評(píng)分?jǐn)?shù)據(jù)，并利用三分法對(duì)推薦系統(tǒng)中的評(píng)分進(jìn)行分類(lèi)，建立每個(gè)類(lèi)別的隸屬度函數(shù)，得到評(píng)分的模糊集表示；

步驟2、根據(jù)評(píng)分的模糊集表示分別建立用戶和項(xiàng)目的模糊集表示，所述模糊集表示用戶或項(xiàng)目分別在低分、中分、高分的傾向；

步驟3、根據(jù)用戶和項(xiàng)目的模糊集表示預(yù)估任意用戶u對(duì)項(xiàng)目i的評(píng)分的模糊集表示，并進(jìn)行歸一化處理；

步驟4、根據(jù)噪聲檢測(cè)規(guī)則進(jìn)行自然噪聲檢測(cè)；

步驟5、自然噪聲修正：根據(jù)最大隸屬度原則，對(duì)已經(jīng)檢測(cè)出的噪聲數(shù)據(jù)進(jìn)行修正，對(duì)所有噪聲修正完成后形成新的數(shù)據(jù)集。

進(jìn)一步的，所述步驟1.利用三分法對(duì)推薦系統(tǒng)中評(píng)分進(jìn)行分類(lèi)，并建立每個(gè)類(lèi)別的隸屬度函數(shù)，并得到評(píng)分的模糊集表示，具體包括：